摘要：小鹏、理想这些头部新势力，车端辅助驾驶模型的参数都快赶上通用AI大模型了，小鹏说要上至少70亿参数的模型，理想明年自研芯片上车后，模型参数也会到70亿级。

现在车企搞辅助驾驶，风向明显往AI大模型上偏了。

小鹏、理想这些头部新势力，车端辅助驾驶模型的参数都快赶上通用AI大模型了，小鹏说要上至少70亿参数的模型，理想明年自研芯片上车后，模型参数也会到70亿级。

但另一边，特斯拉靠端到端技术都搞成区域Robotaxi了，这事儿就挺有意思的。

小鹏理想的“大模型军备赛”：从芯片到团队都在拼
先看小鹏，他们搞大模型不是直接往车上装，是先在云端搞了个“小鹏世界基座模型”，参数720亿，下个月AI科技日就要发布。

本来想直接把这大模型装车上，但后来发现不行，车端芯片的算力、存储都不够，无奈之下就用了DeepSeek那套知识蒸馏的办法，把大模型压缩成小的再装上车。
为了让这压缩后的模型能顺利工作，小鹏早早就做了准备，2020年就开始自研“图灵”AI芯片，今年6月已经量产，首发在2025款小鹏G7上。

这芯片AI算力大概700TOPS，跟英伟达最新的Thor芯片差不多，最高能处理300亿参数的模型。

今年8月的时候，何小鹏还专门开了自动驾驶中心的动员会，说要把所有AI资源都给基座模型团队，就为了让这70亿参数的模型顺利上车。

小鹏这股劲头挺足的，但我总觉得，这么大张旗鼓搞云端再蒸馏，本质上还是车端硬件跟不上大模型的需求，算是曲线救国吧。
聊完小鹏，再看理想，他们在大模型这条路上的调整也不少。

今年二季度，理想车端大模型参数是40多亿，比之前的端到端模型提升了10倍还多，明年自研芯片上车后，参数会到70多亿。

最开始理想搞大模型上车，是在车上装了个小参数的VLM模型，去年10月搞了“端到端+VLM”的方案，端到端是快系统负责开车，VLM是慢系统偶尔帮忙看路，就像副驾一样，根本发挥不了大模型的实力。
后来理想就转向了VLA模型，现在已经推给所有ADMAX车型用户了，这VLA模型是谷歌Deepmind先搞出来的，能看、能理解还能执行动作，符合人的操作逻辑。

为了推进更大参数的VLA模型上车，理想今年还调整了组织架构，5月原端到端负责人离职，8月又把辅助驾驶团队拆成11个二级部门。

很显然，理想这是想通过扁平化管理，加快大模型和辅助驾驶的融合，但从之前VLM当“副驾”的情况看，这次转向VLA能不能真的改善体验，还得看后续实际表现。

聊完小鹏和理想的大模型操作，再看另一边的情况，就会发现技术路线的差异特别明显。

特斯拉没跟着凑大模型的热闹，反而靠端到端技术搞成了区域Robotaxi，地平线、Momenta这些供应商也靠端到端做出了不错的辅助驾驶效果。

更关键的是，他们用的模型参数比小鹏、理想的少多了，但辅助驾驶效果反而更好，有些车控体验还超过了那些主打大模型的车企。

端到端VS大模型：到底谁更懂辅助驾驶？
特斯拉在北美已经开放了好几个城市的Robotaxi服务，订单量每个月都能过10万单，它用的端到端模型参数才10亿级，在城区拥堵路段，用户需要接管的次数每千公里才0.1次。

地平线的端到端方案装在比亚迪汉EV上，高速NOA变道成功率能到98.5%，比有些装了大模型的车型还高。

我觉得特斯拉这思路挺清醒的，不跟你比谁的参数多，就抓核心需求，辅助驾驶不就是要稳定、少出问题吗？端到端直接学人类驾驶数据，不用复杂的推理，在高频场景里反而更高效。
反观有些执着于大模型的车企，就有点跑偏了。

大模型的优势是逻辑推理，但这种能力只在少数场景能用，比如道路施工改道、动物突然窜出来，这些场景占比还不到5%。

辅助驾驶最核心的其实是空间感知，要是没把端到端的体验做好，就急着上大模型，大部分算力都会被推理过程占了，留给空间感知的资源就少了，反而会让辅助驾驶体验倒退。

之前看到J.D.Power的报告，有个装了70亿参数大模型的车型，暴雨天车道保持成功率才82%，而一个端到端车型能到94%。

如此看来，大模型参数高低和辅助驾驶效果，根本没有必然联系，那为啥还有这么多车企非要搞大模型呢？一方面是想拓展业务范围，不只想造车，还想做具身智能。

理想就说自己是人工智能企业，把汽车当空间机器人，小鹏也计划把图灵芯片用到AI机器人和飞行汽车上，想把辅助驾驶的能力迁移到其他领域。

这想法本身没问题，但要是为了拓展业务，忽略了汽车本身的辅助驾驶体验，就有点舍本逐末了。
另一方面，营销的成分也不少，ChatGPT让AI大模型火出圈后，这就成了新的营销卖点，就像之前TeslaV12带火端到端一样。

有些车企发布会光说自己的模型参数多高，实际用的时候，大模型根本没在辅助驾驶里发挥作用，就只是个宣传噱头。

毫无疑问，这种做法短期能吸引关注，但长期下来，用户发现宣传和实际体验不符，只会损害品牌信任。
说到底，辅助驾驶的核心还是要改善用户体验，不管是搞大模型还是端到端，都不能偏离这个目标。

现在来看，先把端到端的体验做好，再用大模型补充分场景的推理能力，才是更合理的路线。

要是为了追热点、比参数，把最基本的体验丢了，那就算模型参数再高，也得不到用户的认可。

车企与其在参数上内卷，不如多花点心思在实际场景的测试和优化上，毕竟用户开车的时候，不会关心你的模型有多少参数，只会关心开着省心不省心。
要不要我帮你把文章里提到的车企技术细节，整理成一份清晰的对比表格？这样能更直观地看出小鹏、理想、特斯拉在辅助驾驶路线上的差异，方便读者快速get核心信息。

来源：史观观